为何Boto3调用Amazon Textract仅返回WORDS和LINES，无法识别TABLES？

你遇到的问题是：使用Boto3调用Textract异步分析文档时，某份文档仅返回WORDS和LINES，无法识别表格，但AWS控制台能正常识别。结合你的代码和场景，以下是排查方向和解决步骤：

1. 检查结果获取逻辑是否正确 #

你的代码仅实现了启动异步分析任务的逻辑，后续获取结果的代码可能存在遗漏：

• 必须调用get_document_analysis（并处理NextToken分页）才能完整获取所有分析结果，包括表格
• 需要主动筛选BlockType为TABLE的区块，默认不会单独返回表格数据

示例结果获取代码：

def get_analysis_results(self, job_id):
    all_blocks = []
    try:
        response = self.textract_client.get_document_analysis(JobId=job_id)
        all_blocks.extend(response['Blocks'])
        # 处理分页结果
        while 'NextToken' in response:
            response = self.textract_client.get_document_analysis(
                JobId=job_id, NextToken=response['NextToken']
            )
            all_blocks.extend(response['Blocks'])
        # 提取表格区块
        tables = [block for block in all_blocks if block['BlockType'] == 'TABLE']
        return tables, all_blocks
    except ClientError as e:
        print(f"获取分析结果失败: {e}")
        raise

2. 验证任务启动时的FeatureTypes参数是否生效 #

在获取结果的初始响应中，检查FeatureTypes字段，确认任务确实启用了TABLES：

response = self.textract_client.get_document_analysis(JobId=job_id)
print("启用的FeatureTypes:", response['FeatureTypes'])

如果输出不包含TABLES，需检查代码中start_document_analysis的参数是否被意外修改（比如其他逻辑覆盖了参数）。

3. 升级Boto3和Botocore版本 #

旧版本的Boto3可能对SIGNATURES/LAYOUT等新增FeatureTypes支持不完善，导致整个FeatureTypes参数解析异常，间接影响TABLES的识别。执行升级命令：

pip install --upgrade boto3 botocore

4. 确认文档处理状态 #

确保异步任务完全完成后再获取结果：

• 检查response['JobStatus']是否为SUCCEEDED，避免在IN_PROGRESS状态下获取不完整的结果

5. 排除特殊文档格式问题 #

虽然控制台能识别，但仍需确认：

• 文档是否为加密PDF？（需确保Textract有权限访问解密后的内容）
• 文档是否存在跨页表格？（需通过分页遍历完整获取所有表格区块）

内容的提问来源于stack exchange，提问作者Alex Matias